AI moet leren wat chirurgen op gevoel doen

Onderzoekers van de Universiteit Twente en het Radboudumc gaan onderzoeken of AI kan leren hoeveel spanning tijdens een operatie op weefsel staat. Die inschatting maken ervaren chirurgen grotendeels op basis van gevoel en ervaring. Wanneer AI deze vaardigheid uit videobeelden kan afleiden, kan de technologie worden ingezet om operaties objectiever te beoordelen en chirurgen gerichte feedback te geven.

Het onderzoek wordt uitgevoerd binnen HealthTech Nexus, de strategische samenwerking tussen de Universiteit Twente en het Radboudumc op het gebied van zorg en medische technologie. Het project is een van de vier gehonoreerde initiatieven binnen het TURBO-programma.

Operatievideo's analyseren

Bij laparoscopische en robotgeassisteerde operaties worden grote hoeveelheden videobeelden gemaakt. Deze beelden zijn waardevol voor opleiding, kwaliteitsverbetering en beoordeling van operatietechnieken, maar handmatige analyse kost veel tijd. Volgens gastro-intestinaal chirurg Frans van Workum van het Radboudumc en Canisius-Wilhelmina Ziekenhuis heeft een ervaren chirurg ongeveer 45 minuten nodig om één operatievideo te beoordelen. Tegelijkertijd wordt in Nederland jaarlijks meer dan 100.000 uur aan chirurgisch videomateriaal geproduceerd.

AI kan een deel van die analyse inmiddels automatiseren. Bestaande systemen kunnen bijvoorbeeld de duur van afzonderlijke operatiestappen bepalen, onnodige bewegingen van instrumenten herkennen en bloedverlies beoordelen. De uitkomsten daarvan komen volgens de onderzoekers vaak goed overeen met beoordelingen door ervaren chirurgen.

Een belangrijk aspect ontbreekt echter nog: weefselspanning. Chirurgen trekken tijdens een operatie weefsel uit elkaar om het operatiegebied goed te kunnen bereiken. Daarbij moeten zij voortdurend inschatten hoeveel kracht verantwoord is. Te veel spanning kan omliggend weefsel beschadigen. Het herkennen van die grens is een vaardigheid die chirurgen volgens Van Workum gedurende jaren ontwikkelen. Het onderzoek moet uitwijzen of een algoritme vergelijkbare informatie uit videobeelden kan halen.

AI zoekt visuele aanwijzingen

De onderzoekers willen AI-modellen trainen met operatievideo's en daarbij onder meer analyseren hoe sterk weefsel wordt uitgerekt, welke instrumenten worden gebruikt en hoe deze instrumenten tijdens verschillende fasen van een ingreep bewegen. In de eerste fase stellen 35 chirurgen video's van operaties voor rectumkanker beschikbaar. Aan de hand daarvan onderzoeken de wetenschappers of specifieke visuele patronen voldoende informatie bevatten om de spanning op weefsel te schatten.

Daarbij kiezen zij bewust voor zogenoemde white-box AI. Anders dan bij AI-modellen waarvan moeilijk te achterhalen is hoe een uitkomst tot stand komt, moet bij deze aanpak inzichtelijk zijn welke kenmerken het systeem gebruikt voor zijn beoordeling. Dat maakt het voor chirurgen mogelijk om te controleren of de redenering achter een uitkomst medisch en technisch logisch is. Volgens universitair docent Estefanía Talavera Martínez van de Universiteit Twente is het uiteindelijke doel vast te stellen of AI weefselspanning even betrouwbaar kan beoordelen als een ervaren chirurg.

Objectievere feedback op operaties

Het project bevindt zich nog in een vroege onderzoeksfase. Eerst moet worden aangetoond dat weefselspanning überhaupt betrouwbaar uit videobeelden kan worden afgeleid. Vervolgens kan worden onderzocht hoe de AI-beoordelingen zich verhouden tot die van menselijke experts. Als de technologie voldoende betrouwbaar blijkt, kan zij het analyseren van operatievideo's aanzienlijk versnellen. Daarnaast kan een geautomatiseerde beoordeling helpen om verschillende operatietechnieken op een meer gestandaardiseerde manier met elkaar te vergelijken.

De onderzoekers zien vooral mogelijkheden voor gerichte feedback aan chirurgen. In plaats van alleen algemene beoordelingen kan AI mogelijk aanwijzen op welke momenten tijdens een operatie de omgang met weefsel verbeterd kan worden. Daarmee zou videotechnologie niet alleen registreren wat tijdens een operatie gebeurt, maar ook een instrument worden voor voortdurende kwaliteitsverbetering.

Van Workum benadrukt dat zelfs relatief kleine verbeteringen relevant kunnen zijn. Wanneer AI-feedback ertoe leidt dat chirurgen hun werkwijze verder verfijnen, kan dat uiteindelijk bijdragen aan betere operatietechnieken en mogelijk aan het verminderen van complicaties voor patiënten.

AMPLANK implantaat

Eerder deze week schreven we over een andere samenwerking binnen HealthTech Nexus. Daar werken onderzoekers van de Uni Twente en het Radboudumc aan de ontwikkeling van een 3D-geprint implantaat, AMPLANK, dat een invasieve ingreep bij patiënten met kraakbeenbeschadigingen in het enkelgewricht drastisch kan vereenvoudigen.

AMPLANK moet een aanvullende behandelmogelijkheid bieden. Het implantaat wordt met behulp van 3D-printtechnologie afgestemd op de anatomie van de individuele patiënt. Het ontwerp moet binnen de beperkte ruimte van het enkelgewricht passen zonder dat daarvoor gezond bot verwijderd hoeft te worden.